Structural health monitoring for CFRP bolted joints under tension/bending by embedded PZT transducers
Notice bibliographique
Résumé
Previous studies have demonstrated that health monitoring of carbon fiber-reinforced polymer (CFRP) laminates in service can be achieved using embedded piezoelectric (PZT) sensors. To extend this method to jointed structures, this study proposes a structural health monitoring approach for CFRP-bolted joints under tensile and bending load conditions using pre-embedded PZT sensors. CFRP specimens with embedded PZT sensors were fabricated, exhibiting ultimate tensile strengths of 47.92 kN (without PZT) and 49.84 kN (with PZT) under static loading. The sensor embedding positions were determined based on the numerical simulation results of the stress distribution around the embedded PZT sensor during tensile and bending loads. PZT sensor voltage signals, Acoustic Emission (AE) data, and Digital Image Correlation (DIC) images were collected during the experiments to establish correlations among different measurement methods. The results show that, in tensile tests, broad PZT signal pulses correspond to combined shear-out and tear-out failure modes, while narrow pulses indicate shear-out failures. In bending tests, low-frequency fluctuations in the PZT signal fitting curve indicate micro-damage, whereas rapid fluctuations signal catastrophic structural failure.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».